一种基于自适应对角加载的信源数估计方法技术

本发明专利技术涉及一种基于自适应对角加载的信源数估计方法，其包括：S1:基于阵列天线输出数据计算样本采样协方差矩阵及其特征值；S2:在v个假定信源下利用天线数、样本数和特征值自适应地计算对角加载量；S3:利用加载后的特征值计算k(≤v)个假定信源下的线性伸缩系数；S4:构建基于线性伸缩系数的二阶差分算子，并通过寻找使差分算子大于零的最大v值完成信源数估计。和当前主流信源数方法相比，本发明专利技术方法不仅计算高效、噪声鲁棒性好，而且对大规模阵列下的多种样本场景和多种信号功率场景均有更优的适用性，同时，它还能够提供改进的信源数估计性能。

【技术实现步骤摘要】

本专利技术属于阵列信号处理，具体涉及一种基于自适应对角加载的信源数估计方法。

技术介绍

1、信源数估计在多输入多输出无线通信、脑电图、磁共振成像、雷达和声呐探测等领域均具有重要的应用价值，其通常被用于阵列信号处理领域中进行其他参数估计的关键。目前已经出现了一些代表性的信源数估计方法，包括akaike信息准则(akaikeinformation criterion,aic)、贝叶斯信息准则(bayesian information criterion,bic)、最小化描述长度(minimum description length,mdl)、线性收缩mdl(linearshrinkage based mdl,ls-mdl)、启发式线性收缩(heuristic shrinkage coefficientdetection,scdheur)和基于线性收缩系数的两步差分(two-step difference,tsd)等算法。然而上述算法均基于白噪声的假设条件，并基于样本协方差矩阵的最小特征值实现信源数估计。该类算法对非白噪声/偏离白噪声的信号模型敏感，限制了其广泛本文档来自技高网...

【技术保护点】

1.一种基于自适应对角加载的信源数估计方法，其特征在于：该方法包括如下步骤：

2.根据权利要求1所述的一种基于自适应对角加载的信源数估计方法，其特征在于：所述的利用天线数m、采样样本数n以及所述降序特征值计算对角加载量的具体过程包括下列步骤：

3.根据权利要求2所述的一种基于自适应对角加载的信源数估计方法，其特征在于：在步骤S2～S4中，所述的假定信源的数量v的取值范围为v∈[2,m]。

4.根据权利要求3所述的一种基于自适应对角加载的信源数估计方法，其特征在于：在步骤S4.2中，所述的通过寻找使f(k,v)＞0成立的v的最大值获得信源数估计值过程中，...

【技术特征摘要】

1.一种基于自适应对角加载的信源数估计方法，其特征在于：该方法包括如下步骤：

2.根据权利要求1所述的一种基于自适应对角加载的信源数估计方法，其特征在于：所述的利用天线数m、采样样本数n以及所述降序特征值计算对角加载量的具体过程包括下列步骤：

3.根据权利要求2所述的一种基于自适应对角加载的...

【专利技术属性】
技术研发人员：张智诚，田野，任佳基，赵鸿运，
申请(专利权)人：宁波大学，
类型：发明
国别省市：